CC BY
26
08.00.05 УДК 37.015.6
ФАКТОРЫ ЭФФЕКТИВНОСТИ НАУЧНОЙ ДЕЯТЕЛЬНОСТИ СОТРУДНИКОВ УНИВЕРСИТЕТА И ИХ ВЛИЯНИЕ НА СИСТЕМУ ОПЛАТЫ ТРУДА
© 2020
Андрей Николаевич Игошин, кандидат экономических наук, доцент кафедры «Экономика и автоматизация бизнес-процессов» Артем Дмитриевич Черемухин, преподаватель кафедры «Физико-математические науки» Надежда Евгеньевна Курмашева, старший лаборант Центра поддержки устойчивого развития сельских территорий Нижегородский государственный инженерно-экономический университет, Княгинино (Россия)
Аннотация
Введение: статья посвящена количественной оценке факторов, влияющих на величину индекса Хирша и m-индекса научно-педагогических работников ГБОУ ВО «Нижегородский государственный инженерно -экономический университет». Отмечается важность использования различных наукометрических показателей в настоящее время, рассматриваются различные фундаментальные подходы к определению сущности цитирования как исследуемого явления, делается вывод о важности исследований в данном направлении как непосредственно влияющих на философию науки в целом.
Материалы и методы: проводится обзор различных факторов, влияющих на показатели цитируемости работ ученых. На основе изучения материалов литературы и показателей, предлагаемых российским индексом научного цитирования, был составлен список анализируемых предикторов. Отмечено, что поскольку распределение h- и m-индекса существенно отличается от нормального, необходимо использовать специальные виды регрессий.
Результаты: анализ распределений h- и m-индекса по эмпирическим данным показал, что оно сильно смещено влево (распределение h-индекса подчинено пуассоновскому закону). Для моделирования значений h-индекса ввиду счетности зависимой переменной была применена модель обобщенной линейной регрессии с применением алгоритма step-wise регрессии для построения самой статистически значимой модели по показателю информационного критерия Акаике. Для моделирования m-индекса была применена квантильная регрессия для квантилей в 25, 50 и 75 %. Все расчеты были произведены с использованием языка R. Обсуждение: в результате исследования полученных моделей отмечено наличие среди НПР университета классических эффектов, таких как эффект Мэтью или экспоненциальная сложность роста индекса Хирша; по итогам общего анализа отмечено, что в исследуемом университете существует сбалансированная публикационная культура. На основе проведенных расчетов высказаны рекомендации о методике формирования показателей, на основе которых с работниками университета заключаются эффективные контракты. Заключение: отмечены особенности проведенного исследования, высказаны предложения о возможности использования изложенного в статье подхода к анализу научной деятельности других организаций. Ключевые слова: импакт-фактор, индекс Хирша, квантильная регрессия, наукометрия, пуассоновская регрессия, социология науки, факторы цитирования, цитируемость, эффективность научных исследований, m-индекс.
Для цитирования: Игошин А. Н., Черемухин А. Д., Курмашева Н. Е. Факторы эффективности научной деятельности сотрудников университета и их влияние на систему оплаты труда // Вестник НГИЭИ. 2020. № 6 (109). С. 114-128.
FACTORS OF EFFICIENCY OF SCIENTIFIC ACTIVITY OF SCIENTISTS AND THEIR INTERACTION WITH THE LABOR PAYMENT SYSTEM
© 2020
Andrey Nikolaevich Igoshin, Ph. D. (Economy), associate professor of the chair «Economics and Business Process Automation» Artem Dmitrievich Cheremuhin, lecturer of the chair «Physics and mathematics» Nadezhda Evgenevna Kurmasheva, senior laboratory assistant, Center for sustainable rural development support
Nizhny Novgorod State University of Engineering and Economics, Knyaginino (Russia)
Abstract
Introduction: article is devoted to a quantitative assessment of the factors influencing the size of an index of Hirsh and a m-index of scientific and pedagogical employees of the Nizhny Novgorod state engineering and economic university. Importance of use of various scientometric indicators is noted now, various fundamental approaches to definition of essence of citing as the studied phenomenon are considered, the conclusion about importance of researches in given the direction as directly influencing science philosophy in general is drawn.
Materials and Methods: the review of various factors influencing indicators of a quoting of works of scientists is carried out. On the basis of the studying of materials of literature and indicators offered by the Russian index of scientific citing the list of the analyzed predictors was made. It is noted that as distribution of h-and m-index significantly differs from normal, it is necessary to use special types of regressions
Results: the analysis of distributions of h-and m-index according to empirical data showed that it is strongly displaced to the left (distribution of a h-index is subordinated to the Poisson law). For modeling of values of a h-index in view of countability of a dependent variable the model of the generalized linear regression with application of algorithm of step-wise of regression was applied to creation of the most statistically significant model on an indicator of information criterion of Akaike. For modeling of a m-index quantile regression was applied to quantiles in 25, 50 and 75%. All calculations were made with use of language R.
Discussion: as a result of research of the received models existence among scientific and pedagogical employees of university of classical effects, such as Mathew's effect or exponential complexity of growth of an index of Hirsh is noted; following the results of the general analysis it is noted that at the studied university there is a balanced printing culture. On the basis of the carried-out calculations recommendations of a technique of formation of indicators on the basis of which effective contracts are concluded with employees of university are stated
Conclusion: features of the conducted research are noted, offers on a possibility of use of the approach to the analysis of scientific activity of other organizations stated in article are stated
Keywords: impact factor, Hirsch index, quantile regression, scientometrics, Poisson regression, sociology of science, citation factors, citation, research efficiency, m-index
For citation: Igoshin A. N., Cheremuhin A. D., Kurmasheva N. E. Factors of efficiency of scientific activity of scientists And their interaction with the labor payment system // Bulletin NGIEI. 2020. № 6 (109). P. 114-128.
Введение
Произошедшее в прошлом веке усложнение структуры науки, выражающееся в появлении большого числа междисциплинарных направлений исследования, увеличении количества исследователей, привело к необходимости количественной оценки эффективности деятельности отдельных ученых и их коллективов. В это время сформировалась наукометрия как отдельное направление исследований. В настоящее время результаты наукометрии активно начинают использоваться не просто для оценки результатов работы конкретного ученого, но и как основание для принятия разного рода административных решений, включая принятие решений о выдаче грантов, присуждение научных степеней и т. д.
В настоящее время различные наукометрические показатели используются для:
- сравнения ученых в какой-либо области [1; 2];
- оценки «экспертности» и влиятельности ученых [3]
- измерения научной эффективности исследовательских коллективов и целых отраслей [4; 5; 6; 7];
- ранжирования научных журналов [8; 9];
- идентификации наиболее популярных тем исследований [10];
- оценки разницы в эффективности работы ученых разных стран [11];
- оценки структуры и связей в социальных сетях исследователей [12];
- создания показателей (ТИБ), предсказывающих цитирование и уровень интереса научного сообщества к определенной работе [13];
- оценки карьеры различных авторов, исследований в области современной истории науки [14];
- оценки скорости цитирования и других различных характеристик цитирования [15];
- исследования вопросов о том, что влияет на цитирование статьи [16].
Последний вопрос является очень важным в том числе и с философской точки зрения и связан с фундаментальными взглядами на науку. Согласно классическому взгляду [17], наука ищет истину, а научное знание основано на соответствующих фактах. Следствием этого является то, что научная обоснованность идеи не зависит от того, кто ее высказал, наука не должна зависеть от статуса или других личных качеств ученых. Это подразумевает, что в науч-
ной среде должна отсутствовать дискриминация, например, по признаку национальности или пола. Ученые, которые используют знания, установленные другими, должны отдать им должное, особенно ссылаясь на их работу. В идеале, эти нормы гарантируют объективность научного знания и эпистемологическую легитимность науки. Однако исследования в рамках теории социального конструктивизма, возникшей в результате развития социологии, показали, что научные знания и принятие результатов работы исследователей зависит также от социальных норм, институтов, ценностей, убеждений. Ученые анализировали, какие социальные факторы влияют на принятие чего-либо как научного факта, некоторые работы обсуждали потенциальную гендерную предвзятость в научном сообществе.
Передний край наукометрии как науки сегодня - исследования соотношений объективного и субъективного в науке как структуре. Эти исследования напрямую касаются базовых вопросов философии научного знания. Тот факт, что социальное измерение науки может вызвать уклон и искажения в результатах научных исследований, потенциально приводит к вопросу о нужности и эффективности науки в ее современном виде [18].
В российском научном сообществе отношение к наукометрии двойственное - с одной стороны, существует большое количество исследователей, справедливо указывающих на некоторые недостатки применяемого наукометрией инструментария [19; 20; 21; 22], но существуют и отдельные интересные работы - например, посвященные вопросам «нулевого цитирования» [23]. Однако, по нашему мнению, будущие исследования в данной области будут опираться на результаты и инструментарий наукометрии как на вспомогательный инструмент для проверки других гипотез.
Отдельно стоит коснуться практики использования наукометрических показателей в ВУЗах для оценки эффективности деятельности научных работников. Как правило, они используются в рамках т. н. «эффективного контракта» [24; 25]. Однако предлагаемые в разных работах методики определения денежного вознаграждения преподавателей университета на основе, к примеру, значения индекса Хирша [26; 27] являются чисто эмпирическими, и не основаны на каких-то реальных закономерностях и не имеют четких логических обоснований.
Материалы и методы
Применение теории социального конструктивизма к научному сообществу привело к исследованию субъективных факторов в науке, т. е., по сути дела, к исследованию культуры научного сообще-
ства, которая порождает те или иные субъективные факторы. При этом единичным носителем такой культуры является определенная научная организация, поскольку внутри каждой такой организации существует определенная сформировавшаяся культура научных исследований.
Целью данного исследования является изучение различных факторов, влияющих на качественные и количественные показатели эффективности научной деятельности научно-педагогических работников ГБОУ ВО «Нижегородский государственный инженерно-экономический университет».
Вопрос о показателях, объективно оценивающих результаты научной деятельности, остается открытым до сих пор. Один из самых успешных показателей был предложен Хиршем в работе [1] и получил название ^индекса. Основные преимущества ^индекса заключаются в том, что его легко вычислить и он учитывает, как количество, так и цитируемость (что многими воспринимается как адекватная оценка качества) публикаций исследователя. Практика использования данного показателя продемонстрировала, что он работает лучше, чем другие классические показатели, использовавшиеся в наукометрии ранее (импакт-фактор, общее количество статей, общее количество цитирований, количество цитирований в расчете на статью и количество высоко цитируемых статей), кроме того, трудность увеличения ^индекса растет экспоненциально, что существенно затрудняет его искусственный рост [28].
Все эти соображения обосновали выбор семейства показателей, основанных на ^индексе, как зависимых факторах (поскольку они оценивают качественные и количественные аспекты научной работы ученого).
Вопросы состава факторов, влияющих на показатели факторов, обсуждались в большом количестве статей. Общепринятыми являются такие факторы, как репутация автора [29; 30], репутация учреждения [31; 32], репутация журнала [33; 34]. В [35] было доказано предположение о существовании эффекта Мэтью (большое количество цитат приводит к хорошей репутации, и эта хорошая репутация привлекает еще больше цитат).
В некоторых областях последние работы цитируются более часто, чем старые. Влияние таких показателей, как язык, количество таблиц и рисунков, было рассмотрено в [36]. Также в исследовании [37] упомянуто наличие следующих влияющих факторов: наличие статей в свободном доступе, тираж журналов, наличие в них рецензирования, количество авторов в статье, национальность и пол автора,
его возраст, членство в редакциях журналов, применяемые эмпирические методы, длина заголовка статьи и самой статьи, количество ссылок в самой статье и др.
В [38] в качестве влияющих переменных рассматривались: количество авторов; количество учреждений, которые представляют авторы; количество стран, которые представляют авторы, количество статей, опубликованных первым автором до публикации работы; количество ссылок на статьи, полученные к моменту публикации целевой статьи, количество времени работы первого автора до публикации статьи, общее количество ссылок, длина статьи, количество математических формул в статье.
Вопрос о том, влияет ли пол на цитируемость статей, детально изучался в некоторых исследованиях, например, в [39]. Согласно результатам данной работы, в Испании, Великобритании и США нет существенных предубеждений против статей, написанных женщинами (сделана оговорка, что возможно существование некого предубеждения, но ему противодействуют другие факторы, которые делают исследования, проводимые женщинами, более эффективными), но этот эффект отмечается, например, в Индии и Турции.
В работе [40] в качестве предикторов использовались общее количество лет деятельности автора, его возраст, количество статей, количество докладов на конференции, количество соавторов.
В исследовании [36] изучали, какие факторы влияют на частоту цитирования в пяти основных маркетинговых журналах, обнаружив, что в числе таковых выступает, в том числе, и размер статьи.
В работе [16], посвященной предикторам цитирования в интернет-журналах, проверялись следующие гипотезы:
• чем популярнее тема работы, тем больше ссылок получает исследование;
• чем объемнее исследование, тем больше ссылок исследование получает;
• чем более авторов в работе, тем больше цитаты, которые получает исследование;
• исследования с первыми / единственными авторами из США цитируются чаще, чем те, у кого первый / единственный автор из других стран;
• чем более авторитетные работы цитируют исследование, тем больше оно получает цитат;
• чем престижнее журнал, тем больше цитат получает исследование в нем;
• чем больший процент статей журнала публикуется в Интернете, тем больше цитат получают соответствующие исследования;
• чем междисциплинарнее журнал, тем больше цитат получают статьи в нем;
• чем выше уровень самоцитирования в журнале, тем больше цитат получают статьи в нем;
• связь между временем публикации и цитированием определяется факторами уровня журнала, включая престиж журнала, видимость в интернет-исследованиях, степень сконцнтрированности на одной дисциплине, уровень самоцитирования.
В качестве зависимой переменной предлагается использовать классический Ь-индекс, но он не лишен недостатков, в числе которых выделяют существенные различия в величине индекса для исследований в разных науках, зависимость от продолжительности карьеры каждого ученого [41], учет самоцитирования, отсутствие наличия контекста цитирования, неспособность измерения качественных признаков количественными методами [21].
Для устранения этих недостатков разными учеными предлагалось использование разных модификаций индекса Хирша [42; 43]. В частности, для устранения зависимости от длительности карьеры ученого предлагается использовать так называемый т-индекс, который рассчитывается как отношение ^ индекса исследователя к числу лет, прошедших после первой публикации исследователя [44].
Таким образом мы проанализируем предикторы индекса Хирша и т-индекса среди исследователей Нижегородского государственного инженерно-экономического университета на основании данных российского индекса научного цитирования. В качестве независимых переменных нами были взяты:
- ученая степень исследователя;
- место работы исследователя (структурное подразделение университета);
- статус исследователя (совместитель или штатный сотрудник);
- период публикаций;
- число публикаций в РИНЦ;
- процент публикаций автора, процитированных хотя бы раз;
- средневзвешенный импакт-фактор журналов, в которых были опубликованы статьи;
- область науки, в которой автором написано наибольшее количество статей.
При этом существует важный методологический вопрос - поскольку распределение показателей цитирования / индекса Хирша обычно смещено и не является нормальным [20; 45; 46; 47; 48; 49; 50], классический метод наименьших квадратов не должен использоваться в регрессии. В научной литературе использовались несколько методов:
- использовалась модель обобщенной линейной регрессии [37];
- использовалась отрицательная биноминальная множественная регрессия [51; 52; 53; 54; 55; 56; 57];
- использовалась логистическая регрессия [58; 59; 60; 61; 62; 63; 64; 65];
При этом исследование вопросов о распределении показателей цитирования продемонстрировало, что оно соответствует дискретному логнормаль-ному распределению [66; 67].
При этом в литературе указывается, что использование пакета GAMLSS в R может использоваться для расчета коэффициентов обобщенной линейной модели на основе при непрерывном логнор-мальном распределении [68].
Таким образом, на первом шаге необходимо проанализировать распределение h и m-индексов, на основе чего принимать решения о применяемых методах.
Результаты
Рассмотрим распределение показателей (рисунок 1). На рисунке видно, что распределение обоих показателей смещено сильно влево - в этих условиях нецелесообразно использовать обычный метод наименьших квадратов. Кроме того, индекс Хирша
по своим свойствам является счетной переменной (принимает только неотрицательные целые значения). Дальнейшие исследования показали, что распределение индекса Хирша по изучаемой совокупности лучше всего описывается пуассоновским распределением с параметром X = 4.0851 (статистика Колмогорова-Смирнова 0.11878). Следовательно, при решении задачи построения уравнений регрессии H-индекса логичнее всего использовать пуассоновскую регрессию.
Расчеты производились с использованием функции glm статистической среды R. Поскольку зависимые переменные представляют собой смесь непрерывных и факторных переменных и существует большое количество различных комбинаций влияния, сначала была построена полная модель, включающая в себя все возможные варианты эффектов от факторных переменных (в том числе и возможное влияние на изменение коэффициентов регрессии), а далее с помощью step-wise регрессии была найдена оптимальная модель, не содержащая статистически не значащих эффектов. В качестве критерия, оценивающего оптимальность построенных моделей, выступал информационный критерий Акаике (AIC).
Рис. 1. Распределение значений h-индекса и m-индекса среди ученых ГБОУ ВО «Нижегородский государственный инженерно-экономический университет» Fig. 1. The distribution of the values of the h-index and m-index among scientists of the Nizhny Novgorod State University of Engineering and Economics
Однако поскольку данные содержали избыточную дисперсию, потом полученная модель была пересчитана с предположением о том, что распределение является квазипуассоновким [69], что позволяет получить более точные оценки значимости коэффициентов. Таким образом, с учетом того, что пуссановская регрессия моделирует логарифм условного среднего зависимой переменной, было получено следующее уравнение регрессии:
1п(Й) = -1.592 + 0.605 • 1п(М) + 0.0195 + +(0.426 • а0 - 0.219 • а1 - 0.3 • ¿2)/, (1)
где N - количество статей в РИНЦ; S - доля статей, процитированных хотя бы 1 раз; I - средний импакт-фактор журнала, в котором были опубликованы статьи; d0 - бинарная переменная, равная 1, если у исследователя нет ученой степени; dl - бинарная переменная, равная 1, если у исследователя есть степень кандидата наук; d2 - бинарная переменная, равная 1, если у исследователя есть степень доктора наук.
Потенцированные коэффициенты модели, а также информация об их статистической значимости представлена в таблице 1.
В отличие от Ь-индекса т-индекс не является счетной переменной, но его распределение сильно скошено влево. Статистический анализ показал, что 25 %-й квантиль т-индекса находится на уровне 0.25, медиана - на уровне 0.375, 75 %-й квантиль т-
индекса находится на уровне 0.55. Для анализа факторов, влияющих на т-индекс, мы применили инструментарий квантильной регрессии для каждого из квантилей.
Таблица 1. Информация о статистической значимости модели (1) Table 1. Information on the statistical significance of the model (1)
Параметр / Parameter
Коэффициент в уравнении модели / Coefficient in the model equation
Значение после потенцирования модели / Value after potentiation of the model
р-значение / p-value
Свободный член / Intercept Ln (Количество статей) / ln (Number of articles) Доля статей, процитированных хотя бы 1 раз / Share of articles cited at least 1 time Средний импакт-фактор журнала, в котором были опубликованы статьи (нет ученой степени) / The average impact factor of the journal in which the articles were published (no academic degree) Средний импакт-фактор журнала, в котором были опубликованы статьи (есть ученая степень кандидата наук) / The average impact factor of the journal in which the articles were published (have a degree of candidate of Sciences) Средний импакт-фактор журнала, в котором были опубликованы статьи (есть ученая степень доктора наук) / he average impact factor of the journal in which the articles were published (there is a doctoral degree)
-1.592 0.605
0.019
0.426
-0.22
-0.3
0.204 1.831
1.02
1.53
0.8
0.74
< 2e-16
< 2e-16
< 2e-16
7.33e-11
0.000337
0.022829
Таблица 2. Значения коэффициентов и их доверительных интервалов в моделях (2)-(4) Table 2. The values of the coefficients and their confidence intervals in the models (2)-(4)
Модель 1 / Model 1 Модель 2 / Model 2 Модель 3 / Model 3
Показатель / Index coeffi- lower upper coeffi- lower upper coeffi- lower upper
cients bd bd cients bd bd cients bd bd
Стаж публикационной деятельности / Experience in publishing -0.023 0.037 -0.018 -0.033 -0.044 -0.027 -0.047 -0.057 0.035
ln (Количество статей) / ln (Number of articles) 0.143 0.117 0.188 0.158 0.144 0.198 0.188 0.148 0.204
Доля статей, процитированных
хотя бы 1 раз / Share of articles 0.007 0.005 0.007 0.008 0.007 0.009 0.01 0.009 0.013
cited at least 1 time
Исследователь работает только
в университете / Researcher works -0.154 -0.24 -0.055 -0.077 -0.138 -0.018 -
only at the university
Исследователь работает также в другой организации / The researcher also works -0.12 in another organization
0.316
-0.012 -0.082 -0.128 0.068
Сложностью оценки достоверности квантиль-ной регрессии является отсутствие общепринятых стандартных формул для вычисления р-значений,
поэтому критерием достоверности в данном случае являлось отсутствие 0 в доверительном интервале значений параметров медианной регрессии. Таким
образом, были получены 3 модели квантильной регрессии:
Р(т < 0.25) = -0.022 • Е + 0.143 •
• 1п(М) + 0.007 • 5 - 0.154 • 50 - 0.12 • (2)
Р(т < 0.375) = -0.033 • Е + 0.158 •
• 1п(М) + 0.008 • 5 - 0.077 • 50 - 0.81 • (3)
Р(т< 0.55) = -0.046 • Е + +0.188 • 1п(М) + 0.01 • 5 (4)
где Е - время, прошедшее с выхода первой публикации; N - количество статей в РИНЦ; S - доля статей, процитированных хотя бы 1 раз; 80 - бинарная переменная, равная 1, если исследователь работает только в данной организации; 81 - бинарная переменная, равная 1, если исследователь работает также в другой организации.
Доверительные интервалы коэффициентов представлены в таблице 2.
Обсуждение
На основании полученного уравнения (1) можно констатировать следующее:
- значение индекса Хирша ученых исследуемой организации в большей степени зависит от количества их статей и доли их процитированных статей - это подтверждает наличие эффекта Мэтью;
- для ученых без ученой степени показатели импакт-фактора журнала, в котором они публикуются, намного больше влияют на их индекс Хирша, нежели для исследователей с ученой степенью. Это подтверждает наличие внешних общих субъективных факторов, выделенных социологией науки; кроме того, это может свидетельствовать о наличии сложных репутационных эффектов, объясняемых тем фактом, что после защиты диссертационной работы у автора складывается определенная репутация в научных кругах, и начинают другие факторы влиять на показатели его цитируемости;
- не выявлено наличие внутренних субъективных организационных факторов, прямо влияющих на показатель индекса Хирша, например -структурное подразделение, ученое звание, предпочитаемая область исследования.
На основании полученного уравнений (2; 3; 4) можно констатировать следующее:
- стаж публикационной активности положительно влияет на т-индекс (уменьшается вероятность того, что т-индекс будет низким), причем сила этого влияния увеличивается пропорционально квантилю - это говорит о том, что существует тенденция увеличения общего т-индекса при увеличении времени нахождения исследователя в науке;
- количество статей отрицательно влияет на т-индекс (увеличивается вероятность того, что т-индекс будет низким), причем сила этого влияния
увеличивается пропорционально квантилю - это говорит о том, что существует тенденция снижения т-индекса при увеличении количества исследований;
- доля статей, на которые есть цитаты, отрицательно влияет на т-индекс (увеличивается вероятность того, что т-индекс будет низким), причем сила этого влияния увеличивается пропорционально квантилю.
Таким образом, налицо классическая логическая схема - чем больше научно-педагогический работник ГБОУ ВО НГИЭУ занимается исследованиями, тем больше у него выходит статей, и чем больше их цитируют, тем выше у него индекс Хир-ша. Однако, согласно выводам, есть два исключения, которые тоже можно признать классическими -при большом количестве статей т-индекс снижается, что объясняется экспоненциальной сложностью его дальнейшего увеличения; а также, при равномерном распределении цитирования среди статей автора его индекс Хирша будет низким, что связано с особенностями расчета данного показателя.
Кроме того, можно отметить, что для исследователей с низким т-индексом существует внутренний организационный эффект, заключающийся в том, что для совместителей ниже вероятность большего значения т-индекса, что говорит о наличии в организации культуры научных исследований, обеспечивающей проведение качественных и востребованных работ.
Следовательно, можно сделать следующий вывод: несмотря на наличие классических эффектов, выявленных исследованиями в области социологии науки, в ГБОУ ВО НГИЭУ существует сбалансированная публикационная культура, обеспечивающая отсутствие дискриминации какой-то группы исследователей по количественным и качественным показателям цитирования (несколько удивительным может быть отсутствие разницы в данных показателях для исследователей в разных областях знания).
Выявленные закономерности могут быть применены для разработки системы эффективного контракта в ГБОУ ВО НГИЭУ с учетом следующих тезисов:
- подтвержденное наличие положительной обратной связи между значением индекса Хирша и количеством научных статей должно вести к исключению одного из этих показателей из системы индикаторов, определяющих размер заработной платы научно-педагогического работника;
- разный состав факторов, влияющих на значения показателей индекса Хирша для исследователей, имеющих или не имеющих ученой степени, свидетельствует о необходимости разработки раз-
ных индикаторов, влияющих на оплату труда остепененных или неостепененных НПР;
- отсутствие внутренних субъективных организационных факторов, прямо влияющих на показатель индекса Хирша, обосновывает возможность разработки единых по всему университету правил оплаты труда в рамках эффективного контракта;
- выявленные тенденции увеличения общего т-индекса при увеличении времени нахождения исследователя в науке (и его уменьшения при возрастании количества статей и возрастании доли статей, на которых есть цитаты) говорит о необходимости разработки иных показателей количественной оценки научной деятельности НПР, значения которых не коррелируют с факторами, не связанными прямо с качеством и эффективностью производимой научной работы.
Заключение
Достаточно большое количество разнородных результатов исследований, дифференцированно описывающих влияние различных факторов на показатели цитирования, говорит о необходимости продолже-
ния исследований в области квалиметрии наукометрии и разработке системы показателей, максимально полно описывающих количественные и качественные результаты научных работ исследований.
При этом использованный нами подход восприятия наукометрических индексов исследователей в отдельной организации с целью описания внутренней публикационной культуры является, по мнению авторов, перспективным с точки зрения исследования организаций и научных коллективов и может быть использован другими организациями. Также, по нашему мнению, в ближайшее время получит распространение идея использования показателей цитирования и др. как промежуточных, являющихся средством, а не объектом изучения.
Отдельное направление исследований может включать в себя методику определения условий эффективного контракта с научно-исследовательским персоналом на основе идентифицированных зависимостей величины наукометрических показателей от различных внутренних и внешних субъективных научных факторов.
СПИСОК ЛИТЕРАТУРЫ
1. Hirsch J. An index to quantify an individual's scientific research out-put // Proceedings of the National Academy of Sciences. 2005. № 102. Р. 16569-16572.
2. Alcaide G., Gomez M., Zurian J., Benavent R. Scientific literature by spanish authors on the analysis of citations and impact factor in biomedicine 1981-2005 // Revista Espaiiola de Documentation Cientifica. 2008. № 3. Р.344-365.
3. Oppenheim C. Using the h-index to rank influential British researchers in information science and librarian-ship // Journal of the American Society for Information Science and Technology. 2007. № 2. Р. 297-301.
4. Egghe L., Rao I. Study of different h-indices for groups of authors // Journal of the American Society for Information Science and Technology. 2008. № 8. Р. 1276-1281.
5. Molinari J., Molinari A. A new methodology for ranking scientific institutions // Scientometrics. 2008. № 1 Р.163-174.
6. Molinari A., Molinari J. Mathematical aspects of a new criterion for ranking scientific institutions based on the h-index // Scientometrics. 2008. № 2. Р. 339-356.
7. Mugnaini R., Packer A., Meneghini R. Comparison of scientists of the Brazilian Academy of Sciences and of the National Academy of Sciences of the USA on the basis of the h-index // Brazilian Journal of Medical and Biological Research. 2008. № 4. Р. 258-262.
8. Braun T., Glanzel W., Schubert A. A Hirsch-type index for journals // Scientometrics. 2006. № 1. Р. 169-173.
9. Vanclay J. Ranking forestry journals using the h-index // Journal of Informetrics. 2008. № 4. Р. 326-334.
10. Banks M. An extension of the Hirsch index: Indexing scientific topics and compounds // Scientometrics. 2006. № 1. Р. 161-168.
11. Guan J., Gao X. Comparison and evaluation of Chinese research performance in the field of bioinformatics // Scientometrics. 2008. № 2. Р. 357-379.
12. Cimenler O., Reeves K. A., Skvoretz J. A regression analysis of researchers' social network metrics on their citation performance in a college of engineering // Journal of Informetrics. 2014. № 8. Р. 667-682.
13. Vanclay J. K. Factors affecting citation rates in environmental science // Journal of Informetrics. 2013. № 7. Р. 265-271.
14. Wua J., Lozano S., Helbing D. Empirical study of the growth dynamics in real career h-index sequences // Journal of Informetrics. 2011. № 5. Р. 489-497.
15. Oravec C. S., Frey C. D., Berwick B. W., Vilella L., Aschenbrenner C. A., Wolfe S. Q., Fargen K. M. Predictors of Citations in Neurosurgical Research // World Neurosurg. 2019. № 130. Р. 82-89.
16. Peng T.-Q., Zhu J. J. H. Where You Publish Matters Most: A Multilevel Analysis of Factors Affecting Citations of Internet Studies // Journal of the American society for information science and technology. 2012. № 9. Р.1789-1803.
17. MacRoberts M., MacRoberts B. Problems of citation analysis // Scientometrics. 1996. № 3. Р. 435-444.
18. Meyer M., Waldkirch R. W., Duscher I., Just A. Drivers of citations: An analysis of publications in «top» accounting journals // Scientometrics. 2019. № 121. Р. 285-306.
19. Захарцев С. И., Сальников В. П. Объективная шкала оценки научного труда: по силам ли индексу Хирша? // Юридическая наука: история и современность. 2015. № 11. С. 20-24.
20. Тарасевич Ю. Ю., Шиняева Т. С. Временная динамика индекса Хирша // Вестник ЮжноУральского государственного университета. Серия: Математическое моделирование и программирование. 2016. Т. 9. № 1. С. 32-45.
21. Бирженюк Г. М., Ефимова Т. В. Индекс Хирша как симулякр, или уравнение известных с неизвестными // Вестник культуры и искусств. 2018. № 1 (53). С. 22-32.
22. Разин М. П., Кильдиярова Р. Р. Индекс Хирша в оценке эффективности деятельности научных работников // Здоровье, демография, экология финно-угорских народов. 2019. № 2. С. 23-26.
23. Немцов А. В., Кузнецова-Морева Е. А. Нулевое цитирование vs. индекс Хирша: 50 научно-исследовательских учреждений Минздрава РФ // Информация и инновации. 2017. № S. С. 133-137.
24. Крайнов Г. Н., Панов А. И. «Эффективный контракт» с преподавателем: плюсы и минусы / Научно-аналитический журнал Обозреватель - Observer. 2018. № 1 (336). С. 18-30.
25. Лебединская Ю. С., Козлова Т. В. Показатели «эффективного контракта» в образовательных учреждениях // Азимут научных исследований: экономика и управление. 2018. Т. 7. № 2 (23). С. 200-202.
26. Барковская В. Е. Эффективный контракт как основа качественного управления вузами // Вопросы региональной экономики. 2018. № 1 (34). С. 17-23.
27. Ушакова С. Е., Солдатова С. Э. Методический подход к формированию системы оплаты труда научных сотрудников на основе эффективного контракта // Управление наукой и наукометрия. 2019. Т. 14. № 4. С. 544-566.
28. Alonso S., Cabrerizo F.J., Herrera-Viedma E., Herrera F. h-Index: A review focused in its variants, computation and standardization for different scientific fields // Journal of Informetrics. 2009. № 3. Р. 273-289.
29. Allison P. D., Long, J. S. Departmental effects on scientific productivity // American Sociological Review. 1990. № 4. Р. 469-478.
30. Long R. G., Bowers W. P., Barnett T., White M. C. Research productivity of graduates in management: effects of academic origin and academic affiliation // Academy of Management Journal. 1998. № 6. Р. 704-714.
31. Stahl M. J., Leap T. L., Wei Z.Z. Publication in leading management journals as a measure of institutional research productivity // Academy of Management Journal. 1988. № 3. Р. 707-720.
32. Trieschmann J. S., Dennis A. R., Northcraft G. B., Niemi A. W. Serving multiple constituencies in business schools: MBA program versus research performance // Academy of Management Journal. 2000. № 6. Р. 1130-1141.
33. Franke R. H., Edlund T. W., Oster F. The development of strategic management - journal quality and article impact // Strategic Management Journal. 1990. № 3. Р. 243-253.
34. Podsakoff P. M., Mackenzie S. B., Bachrach D. G., Podsakoff N. P. The influence of management journals in the 1980s and 1990s // Strategic Management Journal. 2005. № 5. Р. 473-488.
35. Nederhof A. J., van Raan A. F. J. Peer-review and bibliometric indicators of scientific performance - a comparison of cum laude doctorates with ordinary doctorates in physics // Scientometrics. 1987. № 5-6. Р. 333-350.
36. Stremersch S., Verniers I., Verhoef P. C. The quest for citations: drivers of article impact // Journal of Marketing. 2007. № 3. Р. 171-193.
37. Mingers, J., Xu, F. The drivers of citations in management science journals // European Journal of Operational Research. 2010. № 205. Р. 422-430.
38. Onodera N., Yoshikane F. Factors Affecting Citation Rates of Research Articles / Journal of the association for information science and technology. 2015. № 4. Р. 739-764.
39. Thelwall M. Do females create higher impact research? Scopus citations and Mendeley readers for articles from five countries // Journal of Informetrics. 2018. № 12. Р. 1031-1041.
40. Copiello S. Peer and neighborhood effects: Citation analysis using a spatial autoregressive model and pseudo-spatial data // Journal of Informetrics. 2019. № 13. Р. 238-254.
41. Kelly C., Jennions M. The h-index and career assessment by numbers / Trends in Ecology and Evolution. 2006. № 4. Р. 167-170.
42. Миронкина А. Ю. Новый наукометрический показатель Хирша+ // Философия науки. 2016. № 1 (68). С.127-132.
43. Герасименко П. В. Модификации h-индекса Хирша // Вестник Приднестровского университета. Серия: Физико-математические и технические науки. Экономика и управление. 2019. № 3 (63). С. 52-54.
44. Mikhailov O. V. A New citation index for researchers // Herald of Russian academy of sciences. 2012. № 5. P.403-405.
45. Thelwall M., Wilson P. Regression for citation data: An evaluation of different methods // Journal of Informetrics. 2014. № 8. Р. 963-971.
46. Thelwall M. Confidence intervals for normalised citation counts: Can they delimit underlying research capability? // Journal of Informetrics. 2017. № 11. Р. 1069-1079.
47. Thelwall M. The discretised lognormal and hooked power law distributions for complete citation data: Best options for modelling and regression // Journal of Informetrics. 2016. № 10. Р. 336-346
48. Price D. de Solla. Networks of scientific papers // Science. 1965. № 169. Р. 510-515.
49. Seglen P. O. The skewness of science // Journal of the American Society for Information Science. Seglen,1992. № 9. Р. 628-638.
50. Немцов А. В., Кузнецова-Морева Е. А. Индекс Хирша как объект исследования на материале научно-исследовательских институтов Минздрава РФ // Социальные аспекты здоровья населения. 2019. Т. 65. № 2. С. 10.
51. Bornmann L., Daniel H.-D. Selecting manuscripts for a highimpact journal through peer review: A citation analysis of Communications that were accepted by Angewandte Chemie International Edition, or rejected but published elsewhere // Journal of the American Society for Information Science. 2008. № 11. Р. 1841-1852.
52. Chen C. Predictive effects of structural variation on citation counts // Journal of the American Society for Information Science and Technology. 2012. № 3. Р. 431-449.
53. Didegah F., Thelwall M. Determinants of research citation impact in nanoscience and nanotechnology // Journal of the American Society for Information Science and Technology. 2013. № 5. Р. 1055-1064.
54. He Z.-L. International collaboration does not have greater epistemic authority // Journal of the American Society for Information Science and Technology. 2009. № 10. Р. 2151-2164.
55. van Dalen H. P., Henkens K. What makes a scientific article influential? The case of demographers // Scientometrics. 2001. № 3. Р. 455-482.
56. van Dalen, H. P., Henkens K. Signals in science—On the importance of signaling in gaining attention in science // Scientometrics. 2005. № 2. Р. 209-233.
57. Walters G. D. Predicting subsequent citations to articles published in twelve crime-psychology journals: Author impact versus journal impact // Scientometrics. 2006. № 3. Р. 499-510.
58. Baldi S. Normative versus social constructivist processes in the allocation of citations: A network-analytic model // American Sociological Review. 1998. № 6. Р. 829-846.
59. Bornmann L., Williams R. How to calculate the practical significance of citation impact differences? An empirical example from evaluative institutional bibliometrics using adjusted predictions and marginal effects // Journal of Informetrics. 2013. № 2. Р. 562-574.
60. Kutlar A., Kabasakal A., Ekici M. S. Contributions of Turkish academicians supervising PhD dissertations and their universities to economics: An evaluation of the 1990-2011 period // Scientometrics. 2013. № 3. Р. 639-658.
61. Sin S. C. J. International coauthorship and citation impact: A bibliometric study of six LIS journals, 1980-2008 // Journal of the American Society for Information Science and Technology. 2011. № 9. Р. 1770-1783.
62. Willis D. L., Bahler C. D., Neuberger M. M., Dahm P. Predictors of citations in the urological literature // BJU International. 2011. № 12. Р. 1876-1880.
63. Xia J., Nakanishi K. Self-selection and the citation advantage of open access articles // Online Information Review. 2012. № 1. Р. 40-51.
64. Yu T., Yu G., Wang M. Y. Classification method for detecting coercive self-citation in journals // Journal of Informetrics. 2014. № 1. Р. 123-135.
65. Baumgartner S. E., Leydesdorff L. Group-based trajectory modeling (GBTM) of citations in scholarly literature: Dynamic qualities of transient and sticky knowledge claims // Journal of the Association for Information Science and Technology. 2014. № 4. Р. 797-811.
66. Evans T. S., Hopkins N., Kaube B. S. Universality of performance indicators based on citation and reference counts // Scientometrics. 2012. № 2. Р. 473-486.
67. Radicchi F., Fortunato S., Castellano C. Universality of citation distributions: Toward an objective measure of scientific impact // Proceedings of the National Academy of Sciences. 2008. № 45. Р. 17268-17272.
68. Stasinopoulos D. M., Rigby R. A. Generalized additive models for location scale and shape (GAMLSS) in R // Journal of Statistical Software. 2007. № 7. Р. 1-46
69. Кабаков Р. И. R в действии. Анализ и визуализация данных в программе R / Пер. с англ. Полины А. Волковой. М. : ДМК Пресс, 2014. 588 с.
Дата поступления статьи в редакцию 16.03.2020, принята к публикации 17.04.2020.
Информация об авторах: Игошин Андрей Николаевич, кандидат экономических наук, доцент кафедры «Экономика и автоматизация бизнес процессов»
Адрес: Нижегородский государственный инженерно-экономический университет, 606340, Россия, Княгинино, ул. Октябрьская, 22а E-mail: [email protected] Spin-код: 2788-7770
Черемухин Артем Дмитриевич, ассистент кафедры «Физико-математические науки»
Адрес: Нижегородский государственный инженерно-экономический университет, 606340, Россия, Княгинино,
ул. Октябрьская, 22а)
E-mail: ngieu. [email protected]
Spin-код: 3067-9927
Курмашева Надежда Евгеньевна, старший лаборант Центра поддержки устойчивого развития сельских территорий
Адрес: Нижегородский государственный инженерно-экономический университет, 606340, Россия, Княгинино,
ул. Октябрьская, 22а
E-mail: [email protected]
Spin-код: 3729-6238
Заявленный вклад авторов: Игошин Андрей Николаевич: общее руководство проектом, написание окончательного варианта текста. Черемухин Артем Дмитриевич: подготовка первоначального варианта текста, компьютерные работы. Курмашева Надежда Евгеньевна: сбор и обработка материалов.
Автор прочитал и одобрил окончательный вариант рукописи.
REFERENCES
1. Hirsch J. An index to quantify an individual's scientific research out-put, Proceedings of the National Academy of Sciences, 2005, No. 102, pp. 16569-16572.
2. Alcaide G., Gomez M., Zurian J., Benavent R. Scientific literature by spanish authors on the analysis of citations and impact factor in biomedicine 1981-2005, Revista Espaiiola de Documentation Cientifica, 2008, No. 3, pp. 344-365.
3. Oppenheim C. Using the h-index to rank influential British researchers in information science and librarian-ship, Journal of the American Society for Information Science and Technology, 2007, No. 2, pp. 297-301.
4. Egghe L., Rao I. Study of different h-indices for groups of authors, Journal of the American Society for Information Science and Technology, 2008, No. 8, pp. 1276-1281.
5. Molinari J., Molinari A. A new methodology for ranking scientific institutions, Scientometrics, 2008, No. 1, pp.163-174.
6. Molinari A., Molinari J. Mathematical aspects of a new criterion for ranking scientific institutions based on the h-index, Scientometrics, 2008, No. 2, pp. 339-356.
7. Mugnaini R., Packer A., Meneghini R Comparison of scientists of the Brazilian Academy of Sciences and of the National Academy of Sciences of the USA on the basis of the h-index, Brazilian Journal of Medical and Biological Research, 2008, No. 4, pp. 258-262.
8. Braun T., Glanzel W., Schubert A. A Hirsch-type index for journals, Scientometrics, 2006, No. 1, pp. 169-173.
9. Vanclay J. Ranking forestry journals using the h-index, Journal of Informetrics. 2008. No. 4. pp. 326-334.
10. Banks M. An extension of the Hirsch index: Indexing scientific topics and compounds, Scientometrics. 2006. No. 1. pp. 161-168.
11. Guan J., Gao X. Comparison and evaluation of Chinese research performance in the field of bioinformatics, Scientometrics. 2008. No. 2. pp. 357-379.
12. Cimenler O., Reeves K. A., Skvoretz J. A regression analysis of researchers' social network metrics on their citation performance in a college of engineering, Journal of Informetrics. 2014. No. 8. pp. 667-682.
13. Vanclay J. K. Factors affecting citation rates in environmental science, Journal of Informetrics. 2013. No. 7. pp. 265-271.
14. Wua J., Lozano S., Helbing D. Empirical study of the growth dynamics in real career h-index sequences, Journal of Informetrics. 2011. No. 5. pp. 489-497.
15. Oravec C. S., Frey C. D., Berwick B. W., Vilella L., Aschenbrenner C. A., Wolfe, S. Q., Fargen, K. M. Predictors of Citations in Neurosurgical Research, WorldNeurosurg. 2019. No. 130. pp. 82-89.
16. Peng T.-Q., Zhu J. J. H. Where You Publish Matters Most: A Multilevel Analysis of Factors Affecting Citations of Internet Studies, Journal of the American society for information science and technology. 2012. No. 9. pp.1789-1803.
17. MacRoberts M., MacRoberts B. Problems of citation analysis, Scientometrics. 1996. No. 3. pp. 435-444.
18. Meyer M., Waldkirch R. W., Duscher I., Just A. Drivers of citations: An analysis of publications in «top» accounting journals, Scientometrics. 2019. No. 121. pp. 285-306.
19. Zaharcev S. I., Sal'nikov V. P. Ob"ektivnaya shkala ocenki nauchnogo truda: po silam li indeksu Hirsha? [An objective scale for assessing scientific work: is the Hirsch index strong?], Yuridicheskaya nauka: istoriya i sov-remennost' [Legal science: history and modernity]. 2015. No. 11. pp. 20-24.
20. Tarasevich YU. YU., SHinyaeva T. S. Vremennaya dinamika indeksa Hirsha [Temporal dynamics of the Hirsch index], Vestnik YUzhno-Ural'skogo gosudarstvennogo universiteta. Seriya: Matematicheskoe modelirovanie i programmirovanie [Bulletin of the South Ural State University. Series: Mathematical Modeling and Programming]. 2016. T. 9. No. 1. pp. 32-45.
21. Birzhenyuk G. M., Efimova T. V. Indeks Hirsha kak simulyakr, ili uravnenie izvestnyh s neizvestnymi [The Hirsch Index as a Simulacrum, or the Equation of the Known with the Unknown], Vestnik kul'tury i iskusstv [Bulletin of Culture and the Arts]. 2018. No. 1 (53). pp. 22-32.
22. Razin M. P., Kil'diyarova R. R. Indeks Hirsha v ocenke effektivnosti deyatel'nosti nauchnyh rabotnikov [The Hirsch Index in Evaluating the Efficiency of the Activities of Scientific Workers], Zdorov'e, demografiya, ekologiyafinno-ugorskih narodov [Health, Demography, Ecology of Finno-UgricPeoples]. 2019. No. 2. pp. 23-26.
23. Nemtsov A. V., Kuznetsova-Moreva E. A. Nemcov A. V., Kuznecova-Moreva E. A. Nulevoe citirovanie vs. indeks Hirsha: 50 nauchno-issledovatel'skih uchrezhdenij Minzdrava RF [Zero citation vs. Hirsch index: 50 research institutions of the Ministry of Health of the Russian Federation], Informaciya i innovacii [Information and innovations]. 2017. No. 6. pp. 133-137.
24. Krajnov G. N., Panov A. I. «Effektivnyj kontrakt» s prepodavatelem: plyusy i minusy [«Effective contract» with the teacher: pros and cons], Nauchno-analiticheskij zhurnal Obozrevatel' - Observer [Scientific and analytical journal Observer - Observer]. 2018. No. 1 (336). pp. 18-30.
25. Lebedinskaya YU. S., Kozlova T. V. Pokazateli «effektivnogo kontrakta» v obrazovatel'nyh uchrezhdeni-yah [Indicators of the "effective contract" in educational institutions], Azimut nauchnyh issledovanij: ekonomika i up-ravlenie [Azimuth of Scientific Research: Economics and Management]. 2018. T. 7. No. 2 (23). pp. 200-202.
26. Barkovskaya V. E. Effektivnyj kontrakt kak osnova kachestvennogo upravleniya vuzami [An effective contract as the basis for high-quality university management], Voprosy regional'noj ekonomiki [Questions of the regional economy], 2018. No. 1 (34). pp. 17-23.
27. Ushakova S. E., Soldatova S. E. Metodicheskij podhod k formirovaniyu sistemy oplaty truda nauchnyh sotrudnikov na osnove effektivnogo kontrakta [Methodical approach to the formation of the remuneration system for
scientific employees based on an effective contract], Upravlenie naukoj i naukometriya [Management of Science and Scientometrics], 2019. T. 14. No. 4. pp. 544-566.
28. Alonso S., Cabrerizo F.J., Herrera-Viedma E., Herrera F. h-Index: A review focused in its variants, computation and standardization for different scientific fields, Journal of Informetrics. 2009. No. 3. pp. 273-289.
29. Allison P. D., Long, J. S. Departmental effects on scientific productivity, American Sociological Review. 1990. No. 4. pp. 469-478.
30. Long R. G., Bowers W. P., Barnett T., White M. C. Research productivity of graduates in management: effects of academic origin and academic affiliation, Academy of Management Journal. 1998. No. 6. pp. 704-714.
31. Stahl M. J., Leap T. L., Wei Z.Z. Publication in leading management journals as a measure of institutional research productivity, Academy of Management Journal. 1988. No. 3. pp. 707-720.
32. Trieschmann J. S., Dennis A. R., Northcraft G. B., Niemi A. W. Serving multiple constituencies in business schools: MBA program versus research performance, Academy of Management Journal. 2000. No. 6. pp. 1130-1141.
33. Franke R. H., Edlund T. W., Oster F. The development of strategic management - journal quality and article impact, Strategic Management Journal. 1990. No. 3. pp. 243-253.
34. Podsakoff P. M., Mackenzie S. B., Bachrach D. G., Podsakoff N. P. The influence of management journals in the 1980s and 1990s // Strategic Management Journal. 2005. No. 5. pp. 473-488.
35. Nederhof A. J., van Raan A. F. J. Peer-review and bibliometric indicators of scientific performance - a comparison of cum laude doctorates with ordinary doctorates in physics, Scientometrics. 1987. No. 5-6. pp. 333-350.
36. Stremersch S., Verniers I., Verhoef P. C. The quest for citations: drivers of article impact, Journal of Marketing. 2007. No. 3. pp. 171-193.
37. Mingers, J., Xu, F. The drivers of citations in management science journals, European Journal of Operational Research. 2010. No. 205. pp. 422-430.
38. Onodera N., Yoshikane F. Factors Affecting Citation Rates of Research Articles, Journal of the association for information science and technology. 2015. No. 4. pp. 739-764.
39. Thelwall M. Do females create higher impact research? Scopus citations and Mendeley readers for articles from five countries, Journal of Informetrics. 2018. No. 12. pp. 1031-1041.
40. Copiello S. Peer and neighborhood effects: Citation analysis using a spatial autoregressive model and pseudo-spatial data, Journal of Informetrics. 2019. No. 13. pp. 238-254.
41. Kelly C., Jennions M. The h-index and career assessment by numbers, Trends in Ecology and Evolution. 2006. No. 4. pp. 167-170.
42. Mironkina A. YU. Novyj naukometricheskij pokazatel' Hirsha+ [A new scientometric indicator of Hirsch
+], Filosofiya nauki [Philosophy of Science]. 2016. No. 1 (68). pp. 127-132.
43. Gerasimenko P. V. Modifikacii h-indeksa Hirsha [Hirsch h-index modifications], VestnikPridnestrovskogo universiteta. Seriya: Fiziko-matematicheskie i tekhnicheskie nauki. Ekonomika i upravlenie [Bulletin of the University of Transnistria. Series: Physical, Mathematical, and Technical Sciences. Economics and Management]. 2019. No. 3 (63). pp. 52-54.
44. Mikhailov O. V. A New citation index for researchers, Herald of Russian academy of sciences. 2012. No. 5. pp. 403-405.
45. Thelwall M., Wilson P. Regression for citation data: An evaluation of different methods, Journal of Informetrics. 2014. No. 8. pp. 963-971.
46. Thelwall M. Confidence intervals for normalised citation counts: Can they delimit underlying research capability? Journal of Informetrics. 2017. No. 11. pp. 1069-1079.
47. Thelwall M. The discretised lognormal and hooked power law distributions for complete citation data: Best options for modelling and regression, Journal of Informetrics. 2016. No. 10. pp. 336-346.
48. de Solla Price D. Networks of scientific papers, Science. 1965. No. 169. pp. 510-515.
49. Seglen P. O. The skewness of science, Journal of the American Society for Information Science. 1992. Seglen, No. 9. pp. 628-638.
50. Nemcov A. V., Kuznecova-Moreva E. A. Indeks Hirsha kak ob"ekt issledovaniya na materiale nauchno-issledovatel'skih institutov Minzdrava RF [Hirsch index as an object of research based on the material of research institutes of the Ministry of Health of the Russian Federation], Social'nye aspekty zdorov'ya naseleniya [Social aspects of public health], 2019. T. 65. No. 2. pp. 10.
51. Bornmann L., Daniel H.-D. Selecting manuscripts for a highimpact journal through peer review: A citation analysis of Communications that were accepted by Angewandte Chemie International Edition, or rejected but published elsewhere, Journal of the American Society for Information Science. 2008. No. 11. pp. 1841-1852.
52. Chen C. Predictive effects of structural variation on citation counts, Journal of the American Society for Information Science and Technology. 2012. No. 3. pp. 431-449.
53. Didegah F., Thelwall M. Determinants of research citation impact in nanoscience and nanotechnology, Journal of the American Society for Information Science and Technology. 2013. No. 5. pp. 1055-10б4.
54. He Z.-L. International collaboration does not have greater epistemic authority, Journal of the American Society for Information Science and Technology. 2009. No. 10. Р. 2151-21б4.
55. van Dalen H. P., Henkens K. What makes a scientific article influential? The case of demographers, Scien-tometrics. 2001. No. 3. pp. 455- 482.
56. van Dalen, H. P., Henkens K. Signals in science - On the importance of signaling in gaining attention in science // Scientometrics. 2005. No. 2. pp. 209-233.
57. Walters G. D. Predicting subsequent citations to articles published in twelve crime-psychology journals: Author impact versus journal impact, Scientometrics, 200б, No. 3, pp. 499-510.
58. Baldi S. Normative versus social constructivist processes in the allocation of citations: A network-analytic model, American Sociological Review, 1998, No. б, pp. 829-84б.
59. Bornmann L., Williams R. How to calculate the practical significance of citation impact differences? An empirical example from evaluative institutional bibliometrics using adjusted predictions and marginal effects, Journal of Informetrics, 2013, No. 2, pp. 5б2-574.
60. Kutlar A., Kabasakal A., Ekici M. S. Contributions of Turkish academicians supervising PhD dissertations and their universities to economics: An evaluation of the 1990-2011 period, Scientometrics. 2013, No. 3, pp. б39-б58.
61. Sin S. C. J. International coauthorship and citation impact: A bibliometric study of six LIS journals, 1980-2008, Journal of the American Society for Information Science and Technology, 2011, No. 9, Р. 1770-1783.
62. Willis D. L., Bahler C. D., Neuberger M. M., Dahm P. Predictors of citations in the urological literature, BJUInternational, 2011, No. 12, pp. 187б-1880.
63. Xia J., Nakanishi K. Self-selection and the citation advantage of open access articles, Online Information Review, 2012, No. 1, pp. 40-51.
64. Yu T., Yu G., Wang M. Y. Classification method for detecting coercive self-citation in journals, Journal of Informetrics, 2014, No. 1, pp. 123-135.
65. Baumgartner S. E., Leydesdorff L. Group-based trajectory modeling (GBTM) of citations in scholarly literature: Dynamic qualities of transient and sticky knowledge claims, Journal of the Association for Information Science and Technology, 2014, No. 4, pp. 797-811.
66. Evans T. S., Hopkins N., Kaube B. S. Universality of performance indicators based on citation and reference counts, Scientometrics, 2012, No. 2, pp. 473-48б.
67. Radicchi F., Fortunato S., Castellano C. Universality of citation distributions: Toward an objective measure of scientific impact, Proceedings of the National Academy of Sciences, 2008, No. 45, pp. 172б8-17272.
68. Stasinopoulos D. M., Rigby R. A. Generalized additive models for location scale and shape (GAMLSS) in R. Journal of Statistical Software, 2007, No. 7, pp. 1-4б.
69. Kabakov R. I. R v dejstvii. Analiz i vizualizaciya dannyh v programme R [R in action. Analysis and visualization of data in the program R], In Poliny A. Volkovoj (ed.) Moscow: DMK Press, 2014, 588 p.
Submitted 1б.03.2020; revised 17.04.2020.
About the authors: Andrey N. Igoshin, Ph. D. (Economy), associate professor of the chair «Economics and Business Process Automation»
Address: Nizhny Novgorod State University of Engineering and Economics, б0б340, Russia, Knyaginino, Oktyabrskaya Str., 22a E-mail: [email protected] Spin-code: 2788-7770
Artem D. Cheremuhin, lecturer of the chair «Physics and mathematics»
Address: Nizhny Novgorod State University of Engineering and Economics, 606340, Russia, Knyaginino,
Oktyabrskaya Str., 22a
E-mail: [email protected]
Spin-code: 3067-9927
Nadezhda E. Kurmasheva, senior laboratory assistant, Center for sustainable rural development support
Address: Nizhny Novgorod State University of Engineering and Economics, 606340, Russia, Knyaginino,
Oktyabrskaya Str., 22a
E-mail: [email protected]
Spin-Kog: 3729-6238
Contribution of the authors: Andrey N. Igoshin: managed the research project, writing the final text Artem D. Cheremuhin: preparation of the initial version of the text, computer work Nadezhda E. Kurmasheva: collection and processing of materials
All authors read and approved the final version of the manuscript.
